十大正规网投平台项目
非线性模型的设计和理解是优化性能和精确再现动态行为所必需的. 非线性系统中一个有趣的现象是目标能量转移(TET)。, 目标是在非线性系统中在子系统之间传递能量.
线性动力系统理论在调谐质量阻尼器的背景下得到了很好的发展, 与非线性系统相反, 通常个别非线性机制被考虑与特定的模型. 这些方法大多依赖于摄动理论，在有限时间内的弱非线性.
TET是一种非线性的替代方法，也可以推广到多自由度系统(MDOF)。. 在传统的TET配方中, 给出了所有自由度的非线性, 例如三次顺序, 能量传递子系统调整为一组最优参数(系数)，以减轻主系统的不良动态.
根据现有的出版物，这在TET的最先进的状态中留下了以下空白:
- 用于分析TET的典型近似方法不适用于完全非线性效应，也不适用于必要的多自由度系统.
- 系统中给定的非线性可能不是最优的, 传统的方法并不能扩展到对潜在非线性机制的全面探索.
- 目前还没有从纯实验数据快速识别高效TET的最优非线性系统的既定框架.
为了解决这些差距，该项目将结合机器学习优化算法, 如代理优化(SO)和非线性动力学方法.
